Vicerrectorado de Ordenacin Acadmica

Escuela Tcnica Superior de Ingenieros Industriales y de Telecomunicacin

Escuela Tcnica Superior de Ingenieros Industriales y de Telecomunicacin

GUA DOCENTE DE LA ASIGNATURA

G824 - Mtodos Matemticos para Telecomunicaciones

Grado en Ingeniera de Tecnologas de Telecomunicacin

Obligatoria. Curso 2

Curso Acadmico 2017-2018

Pgina 1
 Vicerrectorado de Ordenacin Acadmica

Escuela Tcnica Superior de Ingenieros Industriales y de Telecomunicacin

1. DATOS IDENTIFICATIVOS
Ttulo/s Grado en Ingeniera de Tecnologas de Telecomunicacin Tipologa y Obligatoria. Curso 2
Curso
Centro Escuela Tcnica Superior de Ingenieros Industriales y de Telecomunicacin
Mdulo / materia ASIGNATURAS DE SEGUNDO CURSO
MATERIA MTODOS MATEMTICOS PARA TELECOMUNICACIONES
MDULO OBLIGATORIO
Cdigo y G824 - Mtodos Matemticos para Telecomunicaciones
denominacin
Crditos ECTS 6 Cuatrimestre Cuatrimestral (1)

Web http://gtas.unican.es/docencia/mmt
Idioma de Espaol Forma de Presencial
imparticin imparticin

Departamento DPTO. INGENIERIA DE COMUNICACIONES

Profesor JAVIER VIA RODRIGUEZ
responsable
E-mail javier.via@unican.es
Nmero despacho Edificio Ingeniera de Telecomunicacin Profesor Jos Luis Garca Garca . Planta: - 2. DESPACHO
S274 (S274)
Otros profesores

2. CONOCIMIENTOS PREVIOS
Se requieren conocimientos previos en Matemticas (funcin de variable real, derivacin e integracin, gradiente), lgebra
(sistemas de ecuaciones lineales, ajuste por mnimos cuadrados) y Seales y Sistemas (convolucin de seales). Adems,
el alumno ha de estar familiarizado con Matlab.

3. COMPETENCIAS GENRICAS Y ESPECFICAS DEL PLAN DE ESTUDIOS TRABAJADAS

Competencias Genricas Nivel
Pensamiento analtico y sinttico. 2
Pensamiento lgico. 2
Modelado de problemas reales. 3
Conocimiento de materias bsicas y tecnologas, que le capacite para el aprendizaje de nuevos mtodos y 3
tecnologas, as como que le dote de una gran versatilidad para adaptarse a nuevas situaciones.
Trabajo en equipo. 1
Estrategias de aprendizaje. 2
Competencias Especficas Nivel
Capacidad para la resolucin de los problemas matemticos que puedan plantearse en la ingeniera. Aptitud para 3
aplicar los conocimientos sobre: lgebra lineal; geometra; geometra diferencial; clculo diferencial e integral;
ecuaciones diferenciales y en derivadas parciales; mtodos numricos; algortmica numrica; estadstica y
optimizacin.

Pgina 2
 Vicerrectorado de Ordenacin Acadmica

Escuela Tcnica Superior de Ingenieros Industriales y de Telecomunicacin

3.1 RESULTADOS DE APRENDIZAJE

- Enfoque de problemas desde un punto de vista estadstico.

- Resolucin de problemas relacionados con experimentos aleatorios.
- Aplicacin de los conceptos de variable aleatoria, correlacin e idenpendencia a problemas prcticos.
- Caracterizacin estadstica de variables aleatorias.
- Introduccin a los problemas de estimacin, deteccin y clasificacin.
- Simulacin mediante Matlab de experimentos aleatorios.
- Identificacin de problemas de optimizacin convexos.
- Resolucin de problemas de optimizacin mediante Matlab.

4. OBJETIVOS
Revisin de la teora bsica de probabilidad e introduccin de los conceptos de variable aleatoria, correlacin e
independencia.
Conocimiento de herramientas y principios del anlisis estadstico de seales.
Simulacin mediante Matlab de experimentos aleatorios.
Introduccin a los problemas de optimizacin convexos.
Resolucin de problemas de optimizacin mediante Matlab.

Pgina 3
 Vicerrectorado de Ordenacin Acadmica

Escuela Tcnica Superior de Ingenieros Industriales y de Telecomunicacin

5. MODALIDADES ORGANIZATIVAS Y MTODOS DOCENTES

ACTIVIDADES HORAS DE LA ASIGNATURA
ACTIVIDADES PRESENCIALES

HORAS DE CLASE (A)

- Teora (TE) 28
- Prcticas en Aula (PA) 17

- Prcticas de Laboratorio (PL) 14

- Horas Clnicas (CL)
Subtotal horas de clase 59
ACTIVIDADES DE SEGUIMIENTO (B)
- Tutoras (TU) 16
- Evaluacin (EV) 10
Subtotal actividades de seguimiento 26

Total actividades presenciales (A+B) 85

ACTIVIDADES NO PRESENCIALES
Trabajo en grupo (TG)

Trabajo autnomo (TA) 65

Tutoras No Presenciales (TU-NP)

Evaluacin No Presencial (EV-NP)

Total actividades no presenciales 65

HORAS TOTALES 150

Pgina 4
 Vicerrectorado de Ordenacin Acadmica

Escuela Tcnica Superior de Ingenieros Industriales y de Telecomunicacin

6. ORGANIZACIN DOCENTE
TE PA PL CL TU EV TG TA TU- EV- Semana
CONTENIDOS NP NP
1 Tema 1: Teora de la Probabilidad 6,00 2,00 2,00 0,00 3,00 2,00 0,00 13,00 0,00 0,00 1-3

Concepto de probabilidad. Espacio de probabilidad.

Probabilidad condicional y sucesos independientes.
Teorema de Bayes. Experimentos compuestos. Ensayos
de Bernoulli.
2 Tema 2: Variables Aleatorias Unidimensionales 7,00 5,00 4,00 0,00 4,00 2,00 0,00 16,00 0,00 0,00 4-7

Concepto de variable aleatoria. Clasificacin. Funciones

de distribucin y densidad. Tipos de variables aleatorias:
Bernoulli, Binomial, Poisson, uniforme, Gaussiana.
Funciones condicionales. Media y varianza.
3 Tema 3: Funcin de Variable Aleatoria y Teoremas 6,00 3,00 2,00 0,00 3,00 1,00 0,00 11,00 0,00 0,00 8-10
Asintticos.

Transformacin de variable aleatoria: teorema

fundamental. Esperanzas matemticas. Momentos.
Teorema del Lmite Central. Teorema de DeMoivre
Laplace. Desigualdad de Tchebycheff. Ley de los grandes
nmeros.
4 Tema 4: Variables Aleatorias Multidimensionales. 6,00 3,00 1,00 0,00 3,00 2,00 0,00 14,00 0,00 0,00 11-13

Concepto. Representacin vectorial. Funciones de

distribucin y densidad (conjuntas y marginales).
Funciones condicionales. Probabilidad total. Teorema de
Bayes. Independencia de dos variables aleatorias.
Incorrelacin e independencia.
5 Tema 5: Estimacin de Una Variable Aleatoria. 3,00 4,00 1,00 0,00 2,00 2,00 0,00 7,00 0,00 0,00 14-15

Criterio de error cuadrtico medio mnimo. Estimacin

mediante una constante. Estimacin mediante una recta.
Estimacin sin restricciones.
6 Bloque Complementario: Introduccin a la Optimizacin 0,00 0,00 4,00 0,00 1,00 1,00 0,00 4,00 0,00 0,00 5-10

Funciones y Conjuntos Convexos. Problemas de

Optimizacin. Descenso por Gradiente. Mtodo de
Newton. Optimizacin en Matlab.
TOTAL DE HORAS 28,00 17,00 14,00 0,00 16,00 10,00 0,00 65,00 0,00 0,00
Esta organizacin tiene carcter orientativo.

TE Horas de teora
PA Horas de prcticas en aula
PL Horas de prcticas de laboratorio
CL Horas Clnicas
TU Horas de tutora
EV Horas de evaluacin
TG Horas de trabajo en grupo
TA Horas de trabajo autnomo
TU-NP Tutoras No Presenciales
EV-NP Evaluacin No Presencial

Pgina 5
 Vicerrectorado de Ordenacin Acadmica

Escuela Tcnica Superior de Ingenieros Industriales y de Telecomunicacin

7. MTODOS DE LA EVALUACIN
Descripcin Tipologa Eval. Final Recuper. %
Primera Prueba Parcial Examen escrito No S 25,00

Calif. mnima 0,00

Duracin 1 hora
Fecha realizacin Semana 6
Condiciones recuperacin Examen de Febrero
Observaciones

Segunda Prueba Parcial Examen escrito No S 25,00

Calif. mnima 0,00

Duracin 1 hora
Fecha realizacin Semana 12
Condiciones recuperacin Examen de Febrero
Observaciones

Participacin en Clase Otros No No 0,00

Calif. mnima 0,00

Duracin
Fecha realizacin Durante el Curso
Condiciones recuperacin
Observaciones La participacin en clase permitir complementar la nota de las pruebas parciales. Con un peso de
hasta el 20%.

Examen de Febrero Examen escrito S S 50,00

Calif. mnima 0,00

Duracin 3 horas
Fecha realizacin La asignada por el Centro
Condiciones recuperacin Recuperacin de Septiembre
Observaciones Examen final de la asignatura sobre teora, problemas, y prcticas de laboratorio. Su valor ser del
50% para los alumnos a los que les resulte favorable la evaluacin continua, y del 100% para el resto.

Recuperacin de Septiembre Examen escrito S No 0,00

Calif. mnima 0,00

Duracin 3 horas
Fecha realizacin La asignada por el Centro
Condiciones recuperacin
Observaciones Recuperacin de la Asignatura. Examen sobre teora, problemas, y prcticas de laboratorio.

TOTAL 100,00
Observaciones

Pgina 6
 Vicerrectorado de Ordenacin Acadmica

Escuela Tcnica Superior de Ingenieros Industriales y de Telecomunicacin

La participacin en clase (p.e. problemas propuestos y/o trabajos) permitir complementar las notas correspondientes a las
pruebas parciales.

La nota final se corresponder con la media ponderada de las Pruebas Parciales y el Examen de Febrero, siempre y
cuando esta sea superior a la del Examen de Febrero. En caso contrario, la nota final ser la de este ltimo examen.

Las fechas de las pruebas parciales se comunicarn el primer da de clase. Ser responsabilidad del alumno/a asegurarse
de que puede asistir a las pruebas.

Los grupos y fechas para las prcticas de laboratorio sern los asignados por la ETSIIT. Compatibilizar los horarios de
prcticas con cualquier otra actividad es responsabilidad del alumno/a.

La no asistencia a las prcticas dar lugar a la perdida de prioridad en el grupo asignado por el centro, por lo que se
podran producir cambios de grupo.
Observaciones para alumnos a tiempo parcial
Los/as alumnos/as a tiempo parcial podrn acudir al examen de Febrero o Septiembre

8. BIBLIOGRAFA Y MATERIALES DIDCTICOS

BSICA
P. Z. Peebles Jr., Probability, Random Variables and Random Signal Principles, cuarta edicin, McGraw-Hill, 2001.
A. Papoulis, Probability, Random Variables and Stochastic Processes, cuarta edicin, McGraw-Hill, 2002.
H. Stark, J. W. Woods, Probability, Random Processes, and Estimation Theory for Engineers, 2 edicin, Prentice Hall,
1994.
Complementaria
S. Boyd, L. Vandenberghe, Convex Optimzation, Cambridge University Press, New York, 2004.

9. SOFTWARE
PROGRAMA / APLICACIN CENTRO PLANTA SALA HORARIO
Matlab y CVX ETSIIT 1 Lab. El
Procesado Asignado
de Seal por el
Centro

10. COMPETENCIAS LINGSTICAS

Comprensin escrita Comprensin oral

Expresin escrita Expresin oral
Asignatura ntegramente desarrollada en ingls

Observaciones
Parte de la bibliografa o de la documentacin del software se puede encontrar en ingls

Pgina 7